1.一种基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：包括如下具体步骤：

1)先从星载雷达DPR数据和地基雷达GR数据中，选取空间窗和时间窗同时匹配的DPR降水数据和GR反射率因子数据；再选取位于所述空间窗内所有雨量站且处于所述时间窗±

30min的雨量计数据；其中，空间窗指地基雷达覆盖范围与星载雷达测绘带所相交的区域；

时间窗指星载雷达扫过匹配空间窗的时间与地基雷达开始一次体扫的时间差距在±6min以内；

2)对步骤1)选取的GR反射率因子数据、DPR降水率数据和雨量计数据分别进行质量控制；

3)对步骤2)质量控制后的GR反射率因子数据进行降水反演，得到GR降水数据；

4)将质量控制后的雨量计数据分别与质量控制后的DPR降水数据和步骤3得到的GR降水率数据进行统计分析，以雨量计数据为标准分别进行系统偏差校正；

5)利用误差方差分离法分别将偏差校正后的GR/DPR降水估计数据与雨量计数据进行误差方差分离，得到雨量计数据的误差方差以及GR/DPR降水估计误差方差；

6)分别对步骤4中偏差校正后的GR/DPR降水估计数据进行正交小波变换，得到GR/DPR降水估计数据对应的尺度系数和小波系数；

7)将步骤6中GR/DPR降水估计数据对应的尺度系数和小波系数分别进行正则化融合，得到融合后的尺度系数c和小波系数d；

8)对步骤7融合后的尺度系数c和小波系数d，进行小波反变换，得到GR和DPR多传感器降水估计融合结果。

2.根据权利要求1所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤2)中，对于GR反射率因子数据采用模糊逻辑法进行GR反射率因子数据的地杂波去除，以及采用自适应约束法对GR反射率因子数据进行衰减订正；

对DPR降水率数据选取2ADPR产品中NS模式地面降水率数据进行质量控制；

对雨量计数据采用奇异点的去除方法进行质量控制。

3.根据权利要求2所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤3)中，对于双偏振雷达的GR反射率因子数据采用Z-R关系法、KDP法、ZH和ZDR法，联合反演GR降水率数据；对于常规多普勒雷达的GR反射率因子数据采用常规Z-R关系进行反演得到GR降水率数据。

4.根据权利要求3所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤4)中，先从步骤2)质量控制后的DPR降水率数据和步骤3)得到的GR降水率数据中提取相关系数大于等于0.8的最优数据集，再进行系统偏差校正。

5.根据权利要求4所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤6)中所述正交小波变换采用非抽样平稳离散小波变换，且其小波基函数选择具有紧支撑的正交Haar小波函数。

6.根据权利要求5所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤7)中先将GR/DPR降水估计数据对应的尺度系数进行正则化融合，得到融合后的尺度系数c；再将GR/DPR降水估计数据对应的小波系数进行正则化融合，得到融合后的小波系数d。

7.根据权利要求6所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤7)中正则化融合的具体步骤为：

7.1)对于GR/DPR降水估计数据对应的尺度系数和小波系数，分别选择正则化函数；

7.2)对GR/DPR降水估计数据进行卷积核矩阵建模；

7.3)采用人工调试法分别选取步骤7.1)中正则化函数中的正则化常数；

7.4)利用梯度投影法分别求解尺度系数/小波系数正则化融合结果。

8.根据权利要求7所述的基于小波域正则化的地基和星载雷达降水数据融合方法，其特征在于：步骤7.4)中利用梯度投影法进行尺度系数/小波系数的正则化融合结果的具体步骤为：

7.4.1)初始化正则化方程中的参数；其中，所述参数包括尺度系数c0/小波系数d0、正则化常数β和迭代次数k；

7.4.2)初始化起始迭代步长α0；

7.4.3)利用回溯线性搜索法计算第k步迭代步长；

7.4.4)基于第k步迭代步长αk更新迭代次数dk；

7.4.5)判断迭代公式是否收敛，若收敛，则迭代停止，输出计算结果迭代次数dk，否则，返回步骤7.4.2)继续迭代。